期刊专题

10.3969/j.issn.1000-3932.2019.09.003

基于KPCA特征集成算法的SOFC系统多故障识别

引用
针对固体氧化物燃料电池系统多模式、非线性及高维等特点,提出基于数据驱动的模式识别方法.首先用核主成分分析特征集成算法提取故障特征,然后在特征空间中使用多项式逻辑斯谛回归算法进行故障诊断.实验结果表明:核主成分分析特征集成算法可以全面提取出故障特征,能够大幅提高后续分类器故障的识别效果.

固体氧化物燃料电池、故障诊断、数据驱动、核主成分分析特征集成算法、多项式逻辑斯谛回归

46

TH862+.7

国家自然科学基金项目51777122

2019-11-19(万方平台首次上网日期,不代表论文的发表时间)

共6页

697-702

相关文献
评论
暂无封面信息
查看本期封面目录

化工自动化及仪表

1000-3932

62-1037/TQ

46

2019,46(9)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn

打开万方数据APP,体验更流畅